MétaCan
Menu
Retour à la cohorte
Enregistrement W4394965929

Caractériser les propriétés atmosphériques de naines rouges à partir de spectres obtenus avec SPIRou

2022· dissertation· fr· W4394965929 sur OpenAlexaboutno aff
P. I. Cristofari

Notice bibliographique

Revuenon disponible
Typedissertation
Languefr
DomaineEngineering
ThématiqueCalibration and Measurement Techniques
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésSpectral lineAstrophysicsAstrobiologyGeologyPhysicsGeographyAtmospheric sciencesEnvironmental scienceAstronomy
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Au cours des dernières décennies, les naines rouges ont attiré une attention croissante et ont été identifiées comme des cibles de choix pour la chasse aux exoplanètes situées dans la zone habitable de leurs étoiles hôtes, ainsi que pour l'étude des champs magnétiques dans les étoiles froides. Néanmoins, leur étude représente toujours un grand défi technique et scientifique en raison de la faible luminosité de ces étoiles. Cette thèse est dédiée à l'étude des naines rouges, et en particulier à leur caractérisation à partir de spectres proche-infrarouge à haute résolution et à haut rapport signal sur bruit obtenus avec le spectro-polarimètre SPIRou installé au télescope Canada-France-Hawaï. Nous utilisons des spectres synthétiques pour déterminer les paramètres atmosphériques des naines rouges, en utilisant la large couverture en longueur d'onde de SPIRou. Nous montrons comment des modèles différents et des listes de raies différentes peuvent avoir un impact significatif sur les paramètres atmosphériques estimés. Avec notre analyse, nous montrons que nous sommes capables de déterminer ces paramètres avec une précision d'environ 30 K en température effective (Teff ), et 0.1 dex en gravité de surface log g et en métallicité ([M/H]). Nous montrons également que les spectres synthétiques calculés à partir des modèles d'atmosphères MARCS peuvent être utilisés pour estimer l'abondance des éléments alpha, et nous déterminons les paramètres atmosphériques de 44 naines rouges observées dans le cadre du SPIRou Legacy Survey (SLS). Enfin, nous nous concentrons sur les étoiles magnétiques et présentons ZeeTurbo, notre nouveau code basé sur Turbospectrum, auquel nous avons ajouté la résolution de l'équation de transfert radiatif polarisé pour inclure l'effet des champs magnétiques sur les spectres dans nos modèles. Avec ce nouveau code, nous estimons l'intensité moyenne du champ magnétique en plus des paramètres atmosphériques de plusieurs étoiles observées dans le cadre du SLS. Nos résultats et les outils développés guideront de futurs projets visant à caractériser les étoiles M, à estimer les abondances des éléments dans ces étoiles, et à étudier les champs magnétiques, en tirant parti des observations réalisées dans le cadre du SLS, et de son successeur SPICE.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,031
Score d'incertitude au seuil0,062

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,001
Études des sciences et des technologies0,0010,000
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,001

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,018
Tête enseignante GPT0,272
Écart entre enseignants0,253 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetCalibration and Measurement TechniquesTravaux en français237 207